Java/HTMLParser - n-3104の備忘録

JavaでHTMLを解析するライブラリは色々あるようだ。

• javax.swing.text.html.parser パッケージ
• HttpUnit
• HTMLParser
• Jericho HTML Parser

参考サイト：http://homepage2.nifty.com/igat/igapyon/diary/2007/ig070823.html

HTMLParser

http://htmlparser.sourceforge.net/
単純に解析するだけでなく、HTTPリクエストを自分で投げて、リンクのみを抽出したり、特定のページをキャプチャしたりできるようだ。

Jericho HTML Parser

http://jerichohtml.sourceforge.net/doc/index.html
不正な形式も含めたHTMLの解析に特化しており、JSPやPHPのタグ解析も可能なようだ。テンプレートエンジンとしても利用できそうな感じ。